Valhalla路由引擎中自动成本模型API不一致问题解析
2025-06-11 10:05:43作者:郁楠烈Hubert
问题背景
Valhalla作为一款开源的高性能路由引擎,近期在其自动成本模型("auto" costing)的实现上出现了API行为不一致的问题。具体表现为在/sources_to_targets(矩阵计算)和/route(路径规划)两个API中,对于相同的坐标点和自动成本模型参数,返回结果存在显著差异。
问题现象
开发者报告了以下典型现象:
- 使用自动成本模型时,矩阵计算API返回null结果
- 相同坐标点使用路径规划API却能正常返回路线
- 改用卡车成本模型("truck")时,两个API都能正常工作
技术分析
经过Valhalla开发团队深入排查,发现问题根源在于OSM数据中的道路标签处理方式与Valhalla内部算法的交互机制。
道路标签处理机制
Valhalla对OSM中的service=driveway标签会将其转换为"仅目的地可达"(destination-only)的边。这类边在算法处理中有特殊规则:
- 第一轮搜索不允许通过仅目的地可达的边
- 第二轮搜索才允许考虑这类边
算法差异
路径规划API默认会进行两轮搜索,因此能够找到通过这类特殊边的路径。而矩阵计算API在默认配置下只进行第一轮搜索,导致无法发现被仅目的地可达边包围的区域内的目标点。
解决方案
开发团队提供了两种解决方案:
配置调整方案
在Valhalla配置文件中添加以下参数可启用矩阵计算的第二轮搜索:
thor.costmatrix_allow_second_pass: true
数据修正方案
从数据层面看,这是OSM数据标签使用不当导致的。根据OSM规范,停车场区域的路径不应使用service=driveway标签,而应使用:
- 出入口道路:highway=service(不加service=*标签)
- 连接多个停车通道的主干道:同样使用highway=service
- 停车通道:service=parking_aisle
性能考量
启用第二轮搜索会对性能产生一定影响,但Valhalla团队表示后续的算法优化(如PR#4613)将能弥补这部分性能损失。
其他相关案例
开发者还报告了在郊区场景下的类似问题,表现为:
- 双向A*搜索在前向树中耗尽
- 日志中出现"Forward search exhausted"错误
这类"简单"路线实际上是双向搜索算法的难点。解决方案是启用反向连接检查:
thor.costmatrix_check_reverse_connection: true
总结
Valhalla路由引擎对特殊道路类型的处理逻辑在不同API间存在差异,这反映了路由算法复杂性和现实道路网络多样性之间的平衡。开发团队建议用户根据实际需求选择合适的配置方案,同时也呼吁社区正确标注OSM数据以获取最佳路由效果。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 Python案例资源下载 - 从入门到精通的完整项目代码合集 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 CrystalIndex资源文件管理系统:高效索引与文件管理的最佳实践指南 QT连接阿里云MySQL数据库完整指南:从环境配置到问题解决 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 Python开发者的macOS终极指南:VSCode安装配置全攻略 瀚高迁移工具migration-4.1.4:企业级数据库迁移的智能解决方案 STM32到GD32项目移植完全指南:从兼容性到实战技巧
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
405
3.14 K
Ascend Extension for PyTorch
Python
225
251
暂无简介
Dart
672
159
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
663
319
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
657
React Native鸿蒙化仓库
JavaScript
262
325
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
220
仓颉编译器源码及 cjdb 调试工具。
C++
135
868